MODELOS PROYECCIÓN DE LA DEMANDA

1. PROMEDIO MOVIL DOBLE

Técnica usada para de pronosticar series de tiempo que tiene una tendencia lineal

A. Calcular un conjunto de promedios móviles

B. Se calcula un segundo conjunto con los promedios móviles calculados en 1

C. Calcular la diferencia entre ambos promedios

D. Utilizar un factor de ajuste adicional, similar a la medición de la pendiente que cambia a través
de la serie

E. Para hacer el pronóstico de periodos n en el futuro, utilizar la siguiente ecuación

2. ANÁLISIS DE REGRESIÓN LINEAL

 REGRESIÓN: la relación funcional entre dos o más variables correlacionadas
 REGRESIÓN LINEAL: predicción del valor de una variable a partir de otra.
 variable dependiente (y) variable de respuesta, variable independiente (x) variable de predicción.
 La línea que mejor se ajuste a un conjunto de dato X-Y, es aquella que minimiza la suma de
distancias al cuadrado de los puntos a la línea, medidas en dirección vertical o hacia Y: Línea de
regresión
 El método de mínimos cuadrados se utiliza para encontrar los valores de a y b

3. PRONÓSTICOS DE RANGO
 Los pronósticos para periodos futuros son solo estimados y están sujetos a errores.
 Una manera de manejar la incertidumbre es desarrollar el mejor pronóstico posible y los rangos
dentro de los cuales es probable que caigan los datos reales.
 Los rangos de un pronóstico están definidos por los límites de un intervalo de confianza. Los límites
del pronóstico se estiman como:

4. COEFICIENTE DE CORRELACION: Permite determinar si existe relación entre las dos

variables. Si existe relación, la regresión nos permite definir la recta que mejor se ajusta a esta
nube de puntos.
 Diagrama de dispersión (a) coeficiente de correlación de +1.
 El diagrama de dispersión (b) coeficiente de correlación de -1.
 Los diagramas (e) y (f) muestran dos variables que no están
linealmente relacionadas. El coeficiente de correlación para esta
relación es igual a 0, es decir, no hay relación lineal presente.
 FÓRMULA:

5. ANALISIS DE REGRESION: Dos variables con una relación perfecta lineal negativa tienen un
coeficiente de correlación igual a -1. En el otro extremo, dos variables con una relación perfecta positiva
tienen un coeficiente de correlación de +1. Por lo tanto, el coeficiente de correlación varía entre -1 y +1
incluyéndolos.

6. MÉTODOS ESTACIONALES:
 Los datos muestran alguna tendencia creciente a lo largo del tiempo, además de una marcada
estacionalidad. Se procederá a desestacionalizar los datos, lo que permite observar hasta donde las
variaciones se deben a efectos estacionales o bien, a otros factores.
 El proceso de ajuste estacional se realizará a través del cálculo de factores estacionales: